核心功能

产品优势

性能优势

图像预处理

智能识别核心模块对于数据源图像的缺陷有完备的处理手段,包括抖动模糊、歪斜、形变、透视变换、阴影、反光、远距离低像素、复杂背景、复杂字体等问题。

应用场景

  • 应用场景

    根据国家规定,所有公司的进出口商品都要向国家海关总署进行报备。部分关区的税单是人力手工录入再进行审核,一天需要录入上百份税单,对于业务人员而言费时费力,工作量大且效率低

    实现模式

    智能单证实现智能录入技术。以大数据平台作为基础,利用深度学习图识识别技术,将电子单证的数据识别并且结构化,同时提供单据模板可视化操作界面 ,并可对识别的结果进行修改确认,以达到最终入库的效果。

    达成成效

    通过核心的智能算法,识别出税单信息并结构化并录入数据库中,从而提升业务人员的录入效率同时也可以扩展海关数据库里的字段,丰富海关的大数据结构。

  • 应用场景

    目前关税司在审核企业年报减免税时采用人工审单方式,业务人员依据其他提交的扫描件,并依照国家标准的相关规则来判断该企业减免税的情况。然而关税司的单证种类繁多、数据量巨大,增加了人工工作量且效率低。

    实现模式

    智能单证管理系统从两方面实现该业务场景:第一利用深度学习图识识别技术,将电子单证的数据识别并且结构化入库;第二依据历史的企业年报减免税单的数据情况,利用机器学习算法构建模型用于预测税单的减免税的情况,同时结合国标规则加入到模型当中,优化模型预测结果!做到智能比对,最终给出减免税的参考意见

    达成成效

    第一步实现待预测数据的图像识别,第二步根据历史数据建模预测识别出来的数据,并结合相关法律法规,最终得到减免税参考意见,从而提升审核准确率以及业务人员和审核效率。

  • 应用场景

    目前海关信息中心申报单据有很多随附单证,包括:发票、合同、委托协议、农业部证书、检疫证书、商务部证书等;随附单证种类繁多且数据量庞大, 缺乏高效、精准的数据比对,以及深层次的数据挖掘,数据有效利用率低

    实现模式

    依托大数据平台,利用深度学习图识识别技术,将申报单据以及其随附单证进行识别并且结构化入数据仓库;审核单据和与之相关的随附单证进行数据扩维,依据扩维后的历史数据构建训练集,利用机器学习算法构建模型,同时也丰富已有的风控模型。

    达成成效

    第一步实现随附单证信息识别以及信息结构化,与相应的报关单结构化数据进行有效的比对分析;第二步,依据扩维后的历史数据构建训练集,利用机器学习算法构建模型,并且对已有的风控模型进行数据补充,以达到更好的数据挖掘。